[发明专利]一种图片处理方法及设备

说明书

本发明实施例公开了一种图片处理方法及设备，涉及图像处理领域，解决了图像处理模型对待处理图片进行图像处理过程中，图片整体布局被破坏、前景背景不分明的问题。具体方案为：获取待处理图片；根据图像处理模型对待处理图片进行图像处理；其中，图像处理模型由对一个正样本图片和至少两个负样本图片根据损失函数进行训练获得，损失函数的输入参数包括深度损失，深度损失用于表征经过图像处理的图片的深度信息的变化。本发明实施例用于图像风格变换处理或图像超分辨率重建处理的过程。

技术领域

本发明实施例涉及图像处理领域，尤其涉及一种图片处理方法及设备。

背景技术

如何在保持图片的内容不变的情况下，对该图片的风格进行变换是图像处理领域的备受关注的问题。目前，可以基于神经网络的特征提取能力，对图片的特征进行提取，用以对图片的内容和风格进行描述。

其中，神经网络的结构可以包括变换网络(如图像风格变换模型)和损失网络(如图像分类模型)。变换网络可以对图片进行风格变换，生成风格变换后的图片；损失网络可以计算输入的图片的损失函数。

具体的，可以采用训练生成的图像风格变换模型，对待处理图片进行风格变换。训练生成图像风格变换模型的过程为：图像风格变换模型对输入的目标训练图片进行风格变换处理，得到风格变换后的训练图片；图像分类模型对输入的目标训练图片、目标风格图片和风格变换后的训练图片进行特征提取，作为图片的内容和风格，并根据这些特征得到两种损失，即风格变换后的训练图片和目标训练图片在内容上的损失(即第一内容损失)，以及风格变换后的训练图片和目标风格图片在风格上的损失(即第二内容损失)，然后计算两种损失的加权和，得到损失函数，并向图像风格变换模型反馈损失值，以使图像风格变换模型调整自身的参数，完成损失函数的优化，直至损失值小于预设阈值，损失函数的优化结束，图像风格变换模型结束调整自身的参数，得到图像风格变换模型。

但是，由于上述训练过程中采用的损失函数只包括第一内容损失和第二内容损失；并且，由于图像分类模型对图片进行特征提取时，其提取的高层次特征会强调关注主要目标而忽略了背景等其他信息；因此在采用上述方法训练生成的图像风格变换模型，对待处理图片进行风格变换时，会导致风格变换的图片整体布局被破坏、前景背景不分明的问题。

发明内容

本申请提供一种图片处理方法及设备，解决了图像处理模型对待处理图片进行图像处理过程中，图片整体布局被破坏、前景背景不分明的问题。

为达到上述目的，本申请采用如下技术方案：

本申请的第一方面，提供一种图片处理方法，该方法包括：获取待处理图片；根据图像处理模型对待处理图片进行图像处理；其中，图像处理模型由对一个正样本图片和至少两个负样本图片根据损失函数进行训练获得，损失函数的输入参数包括深度损失，深度损失用于表征经过图像处理的图片的深度信息的变化。

本申请中，由于图像处理模型为由对一个正样本图片和至少两个负样本图片根据损失函数进行训练得到；并且损失函数的参数包括深度损失，则在训练生成图像处理模型的过程中，考虑了图片的深度(图片的空间分布)变化引起的损失；因此在根据图像处理模型对待处理图片进行图像处理时，可以最大程度的保持待处理图片的整体布局和空间分布，提升了用户的体验。

结合第一方面，在本申请的一种可能的实现方式中，上述损失函数的输入参数还可以包括内容损失，该内容损失用于表征经过图像处理的图片的像素信息的变化。